Ricercatori israeliani sviluppano un metodo che permette all'IA di auto-apprendere senza dati umani

Ricercatori dell'Università di Tel Aviv (TAU) e dell'Università di Stanford hanno sviluppato un nuovo metodo di addestramento per l'intelligenza artificiale, che consente ai sistemi di auto-apprendere e migliorare le loro capacità predittive senza bisogno di dati generati da umani o dataset esterni. Questo approccio innovativo suggerisce che l'IA potrebbe sviluppare abilità di apprendimento fondamentali attraverso sfide create interamente da altri modelli di intelligenza artificiale. A differenza dei metodi tradizionali che si basano su enormi quantità di informazioni esistenti, la nuova tecnica permette ai modelli di costruire capacità predittive prima di confrontarsi con materiale del mondo reale.

Il sistema è stato testato con due modelli AI: uno generava sequenze di simboli, l'altro doveva prevedere il simbolo successivo. Il materiale di addestramento veniva generato internamente al sistema, senza consultare documenti, immagini o altre fonti esterne. Man mano che gli esercizi progredivano, il modello generatore creava sfide sempre più sofisticate, migliorando le prestazioni del partner, che a sua volta affinava le sue capacità predittive risolvendo i problemi. I test hanno dimostrato che l'accuratezza predittiva aumentava con l'aumento delle risorse computazionali.

Nonostante questa autonomia, i modelli non sono stati in grado di acquisire informazioni fattuali sul mondo reale, dimostrando una distinzione tra imparare a riconoscere schemi e acquisire conoscenza. I ricercatori ritengono che questa tecnica potrebbe rendere i futuri sistemi AI più efficienti, rafforzando le loro capacità di apprendimento di base prima di elaborare dati reali. L'annuncio arriva mentre Israele cerca di rafforzare la sua posizione nell'IA, con il presidente Isaac Herzog che ha dichiarato la leadership nel campo una priorità strategica.